findymail-automation

findymail-automation skill 概览

findymail-automation 适合用来做什么

findymail-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP 执行 Findymail 线索研究和邮箱查找流程。它不是让 agent 泛泛地“找邮箱”，而是要求 agent 先发现当前 Findymail 工具的 schema，检查已认证的连接状态，然后用有效输入调用正确的 Rube tools。

最适合 Lead Research 团队

findymail-automation skill 最适合销售运营、招聘团队、创始人、增长团队和线索研究人员，尤其是已经在使用 Findymail，或希望让 AI agent 帮忙补全潜在客户列表的团队。当你手头有明确的潜在客户数据，例如姓名、公司、域名、LinkedIn URL 或目标账号，并希望 agent 自动执行可重复的查询步骤、而不是猜测 API 参数时，它的价值最大。

这个 skill 的不同之处

它最大的区别在于以 Rube MCP 为优先的工作流。该 skill 明确要求 agent 在执行任何操作前先调用 RUBE_SEARCH_TOOLS，因为 Composio 的工具名称和 schema 可能会变化。相比假设 Findymail API 结构固定的硬编码 prompt，这种方式更安全。它还包含连接检查指导，避免 agent 在 Findymail 连接尚未激活时浪费时间尝试执行流程。

采用前需要了解的限制

这不是独立爬虫，也不是本地 CLI。你需要一个支持 MCP 的客户端，在 https://rube.app/mcp 配置 Rube MCP，并通过 Composio 建立有效的 Findymail 连接。仓库路径是 composio-skills/findymail-automation，重点查看的主文件是 SKILL.md；该 skill 文件夹中没有额外脚本、参考资料或辅助资源。

如何使用 findymail-automation skill

findymail-automation 安装场景

如果你的客户端支持安装 skill，可以从 Composio skills 仓库安装：

npx skills add ComposioHQ/awesome-claude-skills --skill findymail-automation

然后在你的 AI 客户端中添加 MCP server endpoint 来配置 Rube MCP：

https://rube.app/mcp

在运行真实的线索研究任务前，先要求 agent 确认 RUBE_SEARCH_TOOLS 可用。接着，使用 toolkit 为 findymail 的 Rube connection manager；如果连接状态不是 ACTIVE，就完成返回的认证流程。

skill 需要哪些输入

为了更好地使用 findymail-automation，不要只给一个模糊请求，而应提供结构化的潜在客户上下文。有效输入包括：

• 人名和公司名
• 公司域名
• LinkedIn 个人主页 URL（如有）
• 职位或资历层级筛选条件
• 目标地区或细分市场
• 输出格式，例如 CSV 字段或表格
• 关于置信度、排除项或人工复核的规则

较弱的 prompt 是：“Find emails for these leads.” 更好的 prompt 是：“Use findymail-automation for Lead Research. First discover current Findymail tools with RUBE_SEARCH_TOOLS, confirm the Findymail connection is active, then enrich this list with work emails where possible. Return name, company, domain, email, confidence, source/tool used, and needs_review. Do not invent emails.”

实用工作流

一个可靠的工作流如下：

1. 阅读 SKILL.md，理解所需的 Rube 流程。
2. 要求 agent 针对具体的 Findymail 任务运行 RUBE_SEARCH_TOOLS，例如“find a verified work email from name and domain.”
3. 在调用任何 action tool 之前，要求它检查返回的 schema 和执行计划。
4. 通过连接管理工具确认 Findymail 连接处于 active 状态。
5. 先跑一个小批次，检查输出，再扩展到完整列表。
6. 要求 agent 将已验证结果与不确定或缺失的结果分开。

这种模式可以减少 schema 错误，并防止 agent 编造不存在的字段。

可直接改用的 prompt 模板

开始时可以使用这个 prompt：

“Use the findymail-automation skill. My goal is to enrich a lead list with verified work emails. First call RUBE_SEARCH_TOOLS for the current Findymail schemas and recommended execution plan. Check that the Findymail connection is active. Then process the leads below in batches of [batch size]. Return a table with [columns]. Mark any missing, ambiguous, or low-confidence result as needs_review and explain the reason briefly. Do not guess emails or use tools that were not discovered in the current session.”

findymail-automation skill 常见问题

findymail-automation 只适合技术用户吗？

不是，但它默认你的 AI 客户端能够使用 MCP tools。非技术用户同样可以受益，前提是环境已经配置好。最难的部分通常不是 prompt，而是确保 Rube MCP 可用，并且 Findymail toolkit 连接处于 active 状态。

它比普通 prompt 好在哪里？

普通 prompt 可能会生成看似合理但没有依据的步骤，尤其是在它假设了过时工具名称的情况下。findymail-automation skill 增加了执行层面的规范：先发现工具、检查 schema、验证认证状态，然后只调用当前可用的 Findymail actions。对于重视准确性和可审计性的线索研究来说，这一点很有价值。

什么时候不该使用这个 skill？

如果你需要大范围网页抓取、猜测个人邮箱、进行不受支持的数据收集，或使用 Findymail 之外的工具做 enrichment，就不适合使用它。如果你无法连接 Rube MCP，或没有权限处理你提供的潜在客户数据，它也不是合适选择。

安装前应该先看什么？

先阅读 composio-skills/findymail-automation/SKILL.md。它包含前置条件、设置路径、工具发现要求和核心工作流模式。由于该文件夹没有额外脚本或 README，这个 skill 文件就是权威的实现指南。

如何改进 findymail-automation skill 的使用效果

先改进输入，再改进 prompt

提升 findymail-automation 结果最快的方法，是提供更干净的线索数据。尽量包含域名，统一公司名称，删除重复项，并把信息不完整的记录单独拆分出来。相比“姓名 + 模糊公司标签”，“姓名 + 公司域名”通常更容易转化为可执行查询。

避免常见失败模式

常见问题包括跳过 RUBE_SEARCH_TOOLS、在 Findymail 连接尚未 active 时就运行、未经测试就处理过多线索，以及把猜测邮箱当作真实结果接受。在 prompt 中应明确要求：发现 schema、验证连接、分批处理，并为不确定记录设置 needs_review 状态。

根据第一批输出继续迭代

第一批输出完成后，检查缺失和低置信度的行。然后要求 agent 调整工作流：只重试输入数据足够的记录、规范化域名，或根据已发现的 schema 更换请求的 Findymail tool。这样，findymail-automation 指南才更适合真实的线索运营，而不是一次性的 enrichment 尝试。

增加团队自己的防护规则

用于生产环境时，应加入你们自己的规则，例如允许处理的地区、同意要求、CRM 字段名、去重方式，以及什么样的置信度才算可用。上游 skill 提供的是 Rube 和 Findymail 的自动化模式；你的团队需要定义验收标准，决定一条线索是否已经可以进入外联流程。